机器之心数据服务现已上线，提供高效稳定的数据获取服务，简化数据爬取流程。

本文介绍了大型语言模型（LLMs）知识编辑的最新进展，提出了EasyEdit框架和DeepEdit方法，以提高模型的知识更新能力和推理连贯性。研究分析了知识编辑的分类、应用及其在多任务设置中的表现，强调了知识图谱和指令编辑技术的有效性，以改善模型的泛化能力和性能。

该文综述了提升深度神经网络硬件可靠性的多种方案：差分映射与负载裁剪能以零额外成本容忍近一个数量级的故障率；贝叶斯优化与dropout可增强抗权重漂移能力；重设计、重训练等三种零成本方案可提高瞬态故障下的可靠性；FARe框架在故障ReRAM上仅增加约1%时间开销，并将GNN测试准确率提高47.6%；NeuralFuse通过学习输入变换将内存访问能耗降低2.7至5倍，同时提升57%的准确率；查找表故障感知量化能以低成本减少永久故障影响；权重重参数化可缩小Transformer编码器；模拟ReRAM跨栅矩阵运算具有更高能效。

该研究通过规则化深度模型训练了准确性高的深度时间序列模型，同时使用较少的决策树进行建模。通过示例和医学任务展示了这种新方法产生的易于人类模拟的模型不牺牲预测能力。